Objektdetektion
Objektdetektion er en computervisionsopgave, hvor et dybt neuralt netværk samtidigt lokaliserer og klassificerer hver instans af en eller flere objektkategorier inden for et billede, hvilket producerer en bounding box og en klasselabel for hvert detekteret objekt. Moderne detektorer – fra R-CNN-familien til YOLO og DETR – opnår næsten menneskelig nøjagtighed ved realtidshastigheder på standardbenchmarks.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Kilder
- Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 580–587. DOI: 10.1109/CVPR.2014.81 ↗
- Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. DOI: 10.1109/CVPR.2016.91 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Object Detection (Region-Based and Anchor-Free Deep Neural Network Models). ScholarGate. https://scholargate.app/da/deep-learning/object-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BilledklassifikationDyb læring↔ compare
- InstanssegmenteringDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →